Mersin Üniversitesi
Ders Bilgileri
| VERİ MADENCİLİĞİ | ||||||
|---|---|---|---|---|---|---|
| Kodu | Dönemi | Teori | Uygulama | Ulusal Kredisi | AKTS Kredisi | |
| Saat / Hafta | ||||||
| BTS406 | Bahar | 3 | 0 | 3 | 4 | |
| Ön Koşulu Olan Ders( ler ) | Yok |
| Dili | tr |
| Türü | Zorunlu |
| Seviyesi | Lisans |
| Öğretim Elemanı( ları ) | Öğr.Gör.Dr. Jale BEKTAŞ |
| Öğretim Sistemi | Yüz Yüze |
| Önerilen Hususlar | Yok |
| Staj Durumu | Yok |
| Amacı | Dersin amacı, daha önceden bilinmeyen geçerli ve uygulanabilir bilgilerin geniş veritabanlarından elde edilmesi ve bu bilgilerin çeşitli analiz yöntemleriyle belirli bir amaca uygun olarak kullanımını sağlamaktır. |
| İçeriği | Veri madenciliğinin tanımı.Veri madenciliği uygulama alanlarına, tekniklerine ve modellerine genel bakış. Veri madenciliği aşamaları: Amacı belirleme, amaca uygun veri kümesi oluşturma (veri seçme), veri ayıklama ve önişleme, veri azaltma ve veri dönüşümü, veri madenciliği öğrenme algoritmasını seçme, model değerlendirme ve bilgi sunumu, bulunan bilginin yorumlanması. Veri Madenciliği öğrenme algoritmalarını inceleme: birliktelik kuralları, karar ağaçları, sınıflandırma, eğri uydurma, bağıntı kurma, bellek tabanlı yöntemler, k-komşu algoritması, bayesian sınıflandırma, kümeleme yöntemleri. |
Dersin Öğrenim Çıktıları
| # | Öğrenim Çıktıları |
|---|---|
| 1 | Veri madenciliğinin amacı ve tanımını betimler. |
| 2 | Uygulama alanları, teknikleri ve modellerine genel bakışı saptar. |
| 3 | Veri ambarı kavramı için veri ön hazırlık aşamalarını belirler. |
| 4 | Veri madenciliği öğrenme algoritmaları tanımlamak ve probleme uygun yöntemi planlar. |
| 5 | Birliktelik kurallarını uygular. |
| 6 | Karar ağaçları ve sınıflandırma yöntemlerini analiz eder. |
| 7 | Kümeleme yöntemlerini ayırt eder. |
| 8 | Gerçek bir veriyle örnek bir veri ambarı hazırlayabilmek ve anlatılan algoritmalarla bu veriyi uygulamalı olarak analiz eder. |
Haftalık Ayrıntılı Ders İçeriği
| # | Konular | Öğretim Yöntem ve Teknikleri |
|---|---|---|
| 1 | Veri madenciliğine giriş | Anlatım, tartışma |
| 2 | Veri madenciliği uygulama alanları, veri ambarları ve OLAP | Anlatım, tartışma |
| 3 | Veri madenciliği için veri hazırlama süreç ve teknikleri | Anlatım, tartışma |
| 4 | Veri madenciliği için veri hazırlama süreç ve teknikleri | Anlatım, tartışma |
| 5 | Veri madenciliği yöntemleri-birliktelik kuralları(Appriori algoritması) | Anlatım, tartışma |
| 6 | Veri vadenciliği yöntemleri-birliktelik kuralları(FP Growth algoritması) | Anlatım, tartışma |
| 7 | Veri madenciliği yöntemleri-birliktelik kuralları(Çeşitli türdeki birliktelik kurallarını çıkarma) | Anlatım, tartışma |
| 8 | Ara sınav | |
| 9 | Veri madenciliği yöntemleri-Sınıflandırma ve tahmin(Karar ağaçları) | Anlatım, tartışma |
| 10 | Veri madenciliği yöntemleri-Sınıflandırma ve tahmin(Bayesian sınıflandırma) | Anlatım, tartışma |
| 11 | Uygulama örnekleri | Uygulama |
| 12 | Veri madenciliği kümeleme analizi veri türleri | Uygulama |
| 13 | Veri madenciliği kümeleme yöntemleri(k-komşu algoritması) | Uygulama |
| 14 | Veri madenciliği kümeleme yöntemleri(hiyerarşik yöntemler,yoğunluk tabanlı yöntemler) | Uygulama |
| 15 | Ödev değerlendirme | Uygulama |
| 16 | Son Sınav |
Resources
| # | Malzeme / Kaynak Adı | Kaynak Hakkında Bilgi | Referans / Önerilen Kaynak |
|---|---|---|---|
| 1 | Veri Madenciliği Mersin Üniversitesi, Ders Notu | ||
| 2 | G. Silahtaroğlu, Veri Madenciliği, Papatya Yayınevi, İstanbul, 2008. | ||
| 3 | Dr.Yalçın Özkan, Veri Madenciliği Yöntemleri, Papatya Yayınevi,İstanbul, 2008. | ||
| 4 | J.Han, M.Kamber, Data.Mining.Concepts.and.Techniques.2nd.Ed., America, 2006. | ||
| 5 | Yaşar Gözüdeli, Yazılımcılar İçin SQL Server 2008 ve Veritabanı Programlama, Seçkin Yayıncılık, 2009, Ankara. | ||
| 6 | Turgut Özseven, Veritabanı yönetim Sistemleri I, Murathan Yayınları, 2010, Trabzon. | ||
| 7 | Gehrke Ramakrishnan, Database Management Systems, McGraw-Hill, 2003. |
Ölçme ve Değerlendirme Sistemi
| # | Ağırlık | Çalışma Türü | Çalışma Adı |
|---|---|---|---|
| 1 | 0.3 | 1 | 1. Ara Sınav |
| 2 | 0.1 | 3 | 1. Ödev |
| 3 | 0.2 | 10 | 1. Son Proje |
| 4 | 0.4 | 5 | Son Sınav |
Dersin Öğrenim Çıktıları ve Program Yeterlilikleri ile İlişkileri
| # | Öğrenim Çıktıları | Program Çıktıları | Ölçme ve Değerlendirme |
|---|---|---|---|
| 1 | Veri madenciliğinin amacı ve tanımını betimler. | 8 | 1͵2͵3͵4 |
| 2 | Uygulama alanları, teknikleri ve modellerine genel bakışı saptar. | 8 | 1͵2 |
| 3 | Veri ambarı kavramı için veri ön hazırlık aşamalarını belirler. | 8 | 1͵2 |
| 4 | Veri madenciliği öğrenme algoritmaları tanımlamak ve probleme uygun yöntemi planlar. | 8 | 1͵2 |
| 5 | Birliktelik kurallarını uygular. | 8 | 1͵2 |
| 6 | Karar ağaçları ve sınıflandırma yöntemlerini analiz eder. | 4͵8 | 1͵2 |
| 7 | Kümeleme yöntemlerini ayırt eder. | 8 | 1͵2 |
| 8 | Gerçek bir veriyle örnek bir veri ambarı hazırlayabilmek ve anlatılan algoritmalarla bu veriyi uygulamalı olarak analiz eder. | 4͵8 | 1͵3 |
Not: Ölçme ve Değerlendirme sütununda belirtilen sayılar, bir üstte bulunan Ölçme ve Değerlerndirme Sistemi başlıklı tabloda belirtilen çalışmaları işaret etmektedir.
İş Yükü Detayları
| # | Etkinlik | Adet | Süre (Saat) | İş Yükü |
|---|---|---|---|---|
| 0 | Ders Süresi | 14 | 3 | 42 |
| 1 | Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) | 14 | 1 | 14 |
| 2 | Sunum ve Seminer Hazırlama | 0 | 0 | 0 |
| 3 | İnternette tarama, kütüphane ve arşiv çalışması | 0 | 0 | 0 |
| 4 | Belge/bilgi listeleri oluşturma | 0 | 0 | 0 |
| 5 | Atölye | 0 | 0 | 0 |
| 6 | Ara Sınav için Hazırlık | 1 | 8 | 8 |
| 7 | Ara Sınav | 1 | 1 | 1 |
| 8 | Kısa Sınav | 0 | 0 | 0 |
| 9 | Ödev | 2 | 5 | 10 |
| 10 | Ara Proje | 0 | 0 | 0 |
| 11 | Ara Uygulama | 0 | 0 | 0 |
| 12 | Son Proje | 1 | 10 | 10 |
| 13 | Son Uygulama | 0 | 0 | 0 |
| 14 | Son Sınav için Hazırlık | 1 | 14 | 14 |
| 15 | Son Sınav | 1 | 1 | 1 |
| 100 | ||||